一种改进的K一均值聚类算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:


An improved K ——means cluster algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    摘 要:为了改进K—means聚类算法的不足,把混合粒子群优化算法引入到K—means聚类算法 中,重新选取编码方式并构造适应度函数,在此基础上提出了一种改进的K—means聚类算法;通 过两个经典数据集的测试,实验结果表明:改进的算法比K—means算法具有更好的全局寻优能 力、更快的收敛速度,且其解的精度更高对初始聚类中心的敏感度降低。

    Abstract:

    Abstract:This paper incorporates hybrid particle swarm optimization algorithm into the K ——means to overcome the local search of K —means algorithm ,and adds the penalty function to reconstruct the fitness function,and proposes an improved K —means Cluster Algorithm,the computational experimental results on two benchmark dataset have shown that the improved K —means has better globe search capability,faster convergence velocity and is to attain higher precision value than K —moans algorithm.

    参考文献
    相似文献
    引证文献
引用本文

但汉辉 ,张玉芳 ,张世勇.一种改进的K一均值聚类算法[J].重庆工商大学学报(自然科学版),2009,(2):144-147
DAN Han—h ui, ZHANG Yu二fang, ZHANG Shi—yong. An improved K ——means cluster algorithm[J]. Journal of Chongqing Technology and Business University(Natural Science Edition),2009,(2):144-147

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
×
2024年《重庆工商大学学报(自然科学版)》影响因子显著提升